典型文献
注意力与多尺度融合的图像阴影去除算法
文献摘要：
针对图像阴影去除算法中复杂地物或与阴影区域纹理相似的暗区域阴影去除不完全的问题,提出了一种注意力与多尺度融合的图像阴影去除算法.该算法基于生成对抗网络框架构建.利用自定义的空洞残差块进行特征提取,获得精确的阴影特征信息并输入到注意力引导的编码网络;在注意力引导的编码阶段进行多尺度的特征融合,获取不同层次的感受野,使编码器能够在不同尺度上捕捉上下文信息;利用多重注意力机制引导判别网络对生成的无阴影图像进行鉴别,进而减少判别网络关键信息损失,提高判别网络的鉴别效果.分别在ISTD(dataset with image shadow triplets)与SRD(dataset for shadow removal)公开数据集上进行验证,实验结果表明:该算法视觉效果表现良好,单幅阴影去除后的图片与数据集中真实无阴影图片进行对比,SSIM(structural similarity)可达到0.978,PSNR(peak signal to noise ratio)可达到32.2 dB,RMSE(root mean squared error)可达到6.2,相比同类算法,具有显著优势,且对复杂地物或暗区域阴影去除效果良好.
文献关键词：
注意力机制;多尺度特征融合;生成对抗网络;阴影去除
中图分类号：
作者姓名：
曲海成;佟畅;刘万军
作者机构：
辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105
文献出处：
引用格式：
[1]曲海成;佟畅;刘万军-.注意力与多尺度融合的图像阴影去除算法)[J].计算机工程与应用,2022(16):234-241
A类：
ISTD,triplets
B类：
多尺度融合,阴影去除,地物,影区,生成对抗网络,网络框架,框架构建,自定义,空洞残差,残差块,阴影特征,特征信息,编码网络,不同层次,感受野,编码器,不同尺度,上下文信息,多重注意力机制,判别网络,关键信息,信息损失,dataset,image,shadow,SRD,removal,公开数据集,视觉效果,单幅,实无,SSIM,structural,similarity,PSNR,peak,signal,noise,ratio,dB,RMSE,root,mean,squared,error,显著优势,去除效果,多尺度特征融合
AB值：
0.398985
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
